机械工程学报

作者：郑琛, 丁康, 何国林, 林慧斌, 蒋飞

单位：1. 华南理工大学机械与汽车工程学院 广州 510640;2. 人工智能与数字经济广东省实验室 广州 510640

关键词：滚动轴承,特征提取,自编码网络,稀疏表示；

基金：国家自然科学基金(52075182、51875207)和广东省自然科学基金(2020A1515010972)资助项目。

由于时域滑移、非承载区信号丢失、噪声等因素的干扰，滚动轴承故障特征难以准确提取，而智能诊断方法提取的多为抽象特征，不具备可解释性。首先，联合冲击响应机理与稀疏表示理论，设计了具备可解释性的稀疏表示自编码网络，将自编码网络的编码层和解码层分别等效为稀疏向量的求解与过完备字典的学习；其次，基于冲击响应参数的损失函数特征设计了自适应优化算法，有效实现了特征参数的快速全局寻优；结合设计的稀疏表示自编码网络与滚动轴承冲击信号特征构建了二层神经网络，对轴承故障信号进行高精度的特征重构。最后，仿真分析表明该方法特征提取精度高、抗噪性能好，能够提取具有明确物理意义的冲击故障特征参数，并进一步通过实验验证了所提方法的有效性。

来源：2023年第13期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2023年第13期